一个新的模型预测的持久的消极思维模式基于大脑连通性
![Model development procedure. For the model development, the researchers first predefined 20 seed regions within the DMN. Then the variance of the dynamic connectivity (written as DCC in the figure) between each DMN seed region and 280 brain parcels was calculated from 84 participants. Using the variance of dynamic connectivity as inputs, the researchers trained predictive models for the subscales of the Ruminative Response Scale (RRS) which measures different aspects of rumination. The 基于大脑连通性预测沉思](https://scx1.b-cdn.net/csz/news/800a/2023/predicting-rumination-2.jpg)
我们的头脑经常被困在重复的想法,比如过去的错误,遗憾,不安全感或未解决的冲突。这种模式的持续的负面想法,叫做沉思,会对心理健康产生不利影响,导致忧郁症、焦虑症等。识别反刍作为抑郁症的一个主要危险因素,研究人员一直在努力确定其神经签名和发展早期检测方法。
金领导的一组科学家Jungwoo从神经成像研究中心(CNIR)在基础科学研究所(IBS),与亚利桑那大学和达特茅斯学院的研究人员进行了一项研究,开发一个沉思的预测模型通过使用机器学习的力量。研究结果发表在《华尔街日报》自然通讯。
先前的研究有关的大脑区域网络称为“默认模式网络”(静)沉思。然而,特定的区域负责个体差异在沉思仍不清楚。团队假设方差的动态连接,衡量大脑区域之间的相互作用的稳定性随着时间的推移,可能与沉思由于颞持久性。
为了验证这一点,他们利用功能性磁共振成像(fMRI)来衡量大脑的活动在健康的参与者在休息的时候。使用的方差之间的动态连接每个静地区大脑区域在整个大脑输入和自我报告的措施反刍分数作为输出,研究人员训练有素的机器学习模型来近似反刍分数基于参与者的功能磁共振成像数据。
![Rumination predictive model. The color of each line indicates a sign, and the thickness indicates the strength of connectivity between the dorsomedial prefrontal cortex (indicated as dMPFC in the figure) and other brain regions that were important in predicting rumination. Credit: Nature Communications (2023). DOI: 10.1038/s41467-023-39142-9 基于大脑连通性预测沉思](https://scx1.b-cdn.net/csz/news/800a/2023/predicting-rumination-3.jpg)
静的地区,只有模型基于背内侧前额叶皮质(dmPFC)成功地预测反刍分数在健康的参与者。此外,dmPFC和之间的动态连接额下回,以及小脑,被发现在预测反刍尤其重要。这些发现强调的意义dmPFC沉思和抑郁,这是符合先前的研究地区高层联系,个人的反思过程。
值得注意的是,该模型还成功预测抑郁得分在实际重度抑郁症患者(MDD)。因此,模型显示承诺作为抑郁症的一个有价值的生物标志物,协助个人风险的识别和监测治疗的进展。通过揭示沉思的神经基础及其与抑郁的相关性,本研究有助于促进心理健康研究和可能导致更有效的干预措施和改善结果为个人与抑郁症。
第一作者吸引Choong-Wan教授说:“自然的动态模式很大程度上影响了我们的情绪和思想流情绪状态。沉思是一种最重要的思维模式,这个研究表明,倾向于沉思可以解码与功能磁共振成像的大脑连通性测量。我们希望这项研究将继续前进,在未来,神经影像可以用来监控和管理心理健康。"
前进,研究人员计划验证和完善使用更大的更多样化的人口预测模型。他们还旨在探索这种模式的潜在应用在临床的设置,将其整合与现有的诊断和治疗方法。继续研究在这一领域有潜力导致个性化的干预目标沉思和抑郁症更有效,最终改善个人的生活受到这些条件的影响。
更多信息:Jungwoo金正日et al, dorsomedial前额cortex-based沉思的动态功能连通性模型,自然通讯(2023)。DOI: 10.1038 / s41467 - 023 - 39142 - 9